확산 모델 기반 인간 비디오 생성의 높은 계산 비용과 메모리 소비 문제를 해결하기 위해, 본 논문은 Entropy-Guided Prioritized Progressive Learning (Ent-Prog)이라는 효율적인 훈련 프레임워크를 제안한다. Conditional Entropy Inflation (CEI)을 통해 모델 구성 요소의 중요도를 평가하고 우선순위 기반 훈련을 수행하며, 수렴 효율성을 측정하여 계산 복잡성을 적응적으로 증가시키는 적응형 점진적 스케줄을 도입한다. Ent-Prog는 훈련 시간과 GPU 메모리 소비를 줄이면서 모델 성능을 유지하며, 실험 결과 훈련 속도를 최대 2.2배, GPU 메모리 사용량을 최대 2.4배 줄였다.
